進階醫學資料處理分析

• 使用套件清單
• 研究案例篩選
• 醫學資料處理
  • 診斷碼處理
  • 藥物資料處理
  • 多重測量資料整合

• dplyr 官網
• icd 教學
• AdhereR 官網
• emr 官網

install.packages(c("dplyr","icd",
                   "AdhereR","devtools"))
install.packages(c("tidyr","ggplot2",
                   "MASS","meta","ggrepel","DT"))
devtools::install_github("PheWAS/PheWAS")
devtools::install_github("DHLab-CGU/emr")

• 基於特定病人清單
• 基於醫療紀錄
  • 特定診斷碼
  • 在特定時間出現
  • 出現特定次數
• 應保留的重要資料
• 使用針對資料列Row做子集的概念，可參考資料科學與R語言

先載入範例資料

library(readr)
DiagSum <- read_csv("DiagSumS.csv")
knitr::kable(DiagSum[1:10,1:5])

提供歸戶代號清單(向量)，並使用%in%篩選符合此條件之所有資料

library(dplyr)
SelectedCase<-DiagSum %>% 
  filter(歸戶代號 %in% c("05A02952E9CB8FF7BBAC1A135ED2A7C7E065B285",
                     "83949E36D0009A4BE9ED122D8219ABF399C66AB2"))
knitr::kable(SelectedCase [1:10,c(1,3,12,26)])

• 使用疾病分類統計檔DiagSum與基本資料檔

library(readr)
DiagSum <- read_csv("DiagSumS.csv")
BasicS <- read_csv("BasicS.csv")
knitr::kable(BasicS[1:3,])

• 篩選條件：只留下歸戶代號有出現在基本資料檔案中的紀錄
• 符合條件的患者共有幾人？
• 子集 or inner_join()

提供診斷碼清單(向量)，並使用%in%或grepl()篩選符合此條件之所有資料

library(dplyr)
# 174.0 Malignant neoplasm of nipple and areola of female breast
# 174.1 Malignant neoplasm of central portion of female breast
SelectedCase<-DiagSum %>% 
  filter(診斷類別1 %in% c("1740","1741"))
knitr::kable(SelectedCase [1:10,c(1,3,12,26)])

提供診斷碼清單(向量)，並使用%in%或grepl()篩選符合此條件之所有資料

library(dplyr)
# 174.* Malignant neoplasm of female breast
SelectedCase<-DiagSum %>% 
  filter(grepl("^174",診斷類別1))
knitr::kable(SelectedCase [1:10,c(1,3,12,26)])

• 使用疾病分類統計檔DiagSum
• 篩選條件：診斷類別1欄位中，出現174開頭或175開頭的診斷碼
• 符合條件的患者共有幾人？
• 提示：|

若要搜尋多個欄位，可用以下方式:

• filter_at
  • filter_at(欲篩選欄位,篩選條件)
  • vars(): 用法同select()，條列欲篩選欄位
  • any_vars(): 其中有一個欄位符合條件即可
  • all_vars(): 所有欄位都要符合條件
• 寬表轉長表

• filter_at(欲篩選欄位,篩選條件)
• vars(): 用法同select()，條列欲篩選欄位
• any_vars(): 其中有一個欄位符合條件即可
• all_vars(): 所有欄位都要符合條件

library(dplyr)
# 174.* Malignant neoplasm of female breast
SelectedCase<-DiagSum %>% 
  filter_at(vars(starts_with("診斷類別")), 
            any_vars(grepl("^174",.)))
knitr::kable(SelectedCase [1:10,c(1,3,12,26,27,28)])

若要搜尋多個欄位，可用以下方式:

• filter_at
• 寬表轉長表
  • tidyr套件中的gather(data,原欄位名稱,數值名稱,轉長表欄位)
  • ?select_helpers

library(tidyr)
library(dplyr)
DiagSumForGather<-DiagSum %>% 
  select(院區,歸戶代號,住院日期,num_range("診斷類別",1:10))
knitr::kable(DiagSumForGather [1:10,])

若要搜尋多個欄位，可用以下方式:

• filter_at
• 寬表轉長表
  • tidyr套件中的gather(data,原欄位名稱,數值名稱,轉長表欄位)

DiagSumLong<-DiagSumForGather %>%
  gather(診斷類別,診斷碼,starts_with("診斷類別"))
knitr::kable(DiagSumLong [1:10,])

若要搜尋多個欄位，可用以下方式:

• filter_at
• 寬表轉長表
  • tidyr套件中的gather(data,原欄位名稱,數值名稱,轉長表欄位)

SelectedCase<-DiagSumLong %>% 
  filter(grepl("^174",診斷碼))
knitr::kable(SelectedCase [1:10,])

• 使用疾病分類統計檔DiagSum
• 篩選條件：診斷類別1~6欄位中，出現1740或1741診斷碼
• 符合條件的患者共有幾人？
• 寬轉長？
• filter_at？

使用lubridate套件中的ymd()做日期轉換

library(lubridate)
head(DiagSum$住院日期)

[1] 20160415 20160408 20160226 20160412 20160331 20160618

DiagSum$AdmDate<-ymd(DiagSum$住院日期)
head(DiagSum$AdmDate)

[1] "2016-04-15" "2016-04-08" "2016-02-26" "2016-04-12" "2016-03-31"
[6] "2016-06-18"

提供診斷碼清單(向量)，並使用%in%或grepl()篩選符合此條件之所有資料，並加上日期條件

library(dplyr)
# 174.* Malignant neoplasm of female breast
SelectedCase<-DiagSum %>% 
  filter(grepl("^174",診斷類別1)&
           AdmDate>ymd("2012-12-31"))
knitr::kable(SelectedCase [1:10,c(1,3,12,26)])

利用dplyr套件協助判斷資料內首次診斷

• 同歸戶代號
• 同診斷碼或診斷群組
• 住院時間由小到大排序
• 取同一歸戶代號、同診斷碼的第一筆資料

library(dplyr)
FirstRecord<-DiagSum %>% 
  filter(grepl("^174",診斷類別1)) %>% 
           group_by(歸戶代號) %>%
  arrange(AdmDate) %>% slice(1)
knitr::kable(FirstRecord[1:10,c(1,3,12,26)])

利用dplyr套件協助判斷資料內首次診斷

• 同歸戶代號
• 同診斷碼或診斷群組
• 住院時間由小到大排序
• 取同一歸戶代號、同診斷群組的第一筆資料

library(dplyr)
FirstRecord<-DiagSum %>% group_by(歸戶代號,診斷類別1) %>%
  arrange(AdmDate) %>% slice(1)
knitr::kable(FirstRecord[1:10,c(1,3,12,26)])

利用dplyr套件協助判斷資料內首次診斷

• 同歸戶代號
• 同診斷碼或診斷群組
• 住院時間由小到大排序
• 取同一歸戶代號、同診斷群組的第一筆資料

library(dplyr)
FirstRecord<-DiagSum %>% group_by(歸戶代號,診斷類別1) %>%
  arrange(AdmDate) %>% slice(1)
knitr::kable(FirstRecord[1:10,c(1,3,12,26)])

• 使用疾病分類統計檔DiagSum
• 篩選條件：診斷類別1~6欄位中，1740或1741診斷碼第一次出現的日期在2014年的患者
• 符合條件的患者共有幾人？
• 寬轉長？
• filter_at？

利用dplyr套件協助判斷資料特定診斷出現次數

• 同歸戶代號group_by()
• 同診斷碼或診斷群組group_by()
• 取同一歸戶代號、同診斷碼的資料筆數Count

library(dplyr)
DiagCount<-DiagSum %>% 
  group_by(歸戶代號,診斷類別1) %>% summarise(Count=n())
knitr::kable(DiagCount[1:10,])

利用dplyr套件協助判斷資料特定診斷出現次數

• 同歸戶代號group_by()
• 同診斷碼或診斷群組group_by()
• 取同一歸戶代號、同診斷群組的資料筆數Count

library(dplyr)
DiagCount<-DiagSum %>% 
  filter(grepl("^174",診斷類別1)) %>% 
  group_by(歸戶代號) %>% summarise(Count=n())
knitr::kable(DiagCount[1:10,])

利用dplyr套件協助判斷資料特定診斷出現次數

• 同歸戶代號group_by()
• 同診斷碼或診斷群組group_by()
• 住院時間由小到大排序
• 計算診斷時間間隔
• 取同一歸戶代號、同診斷碼的資料筆數Count

library(dplyr)
DiagCount<-DiagSum %>% 
  group_by(歸戶代號,診斷類別1) %>% 
  arrange(歸戶代號,診斷類別1,AdmDate)%>%
  mutate(Gap=(lead(AdmDate)-AdmDate),isFit=Gap<365) %>%
  summarise(Count=sum(isFit,na.rm = T))
DiagCount %>% arrange(desc(Count)) %>%
  head() %>%knitr::kable()

分組排序

DiagSum %>% 
  group_by(歸戶代號,診斷類別1) %>% 
  arrange(歸戶代號,診斷類別1,AdmDate) %>% 
  select(歸戶代號,診斷類別1,AdmDate) %>%
  filter(歸戶代號=="43CCF41959798888F18EAED638A141F37A2B15C8") %>%
  head() %>% knitr::kable()

前後列相減

DiagSum %>% 
  group_by(歸戶代號,診斷類別1) %>% 
  arrange(歸戶代號,診斷類別1,AdmDate)%>%
  mutate(Gap=(lead(AdmDate)-AdmDate),isFit=Gap<365) %>% 
  select(歸戶代號,診斷類別1,AdmDate,Gap,isFit) %>%
  filter(歸戶代號=="43CCF41959798888F18EAED638A141F37A2B15C8") %>%
  head() %>% knitr::kable()

計算TRUE的個數

DiagSum %>% 
  group_by(歸戶代號,診斷類別1) %>% 
  arrange(歸戶代號,診斷類別1,AdmDate)%>%
  mutate(Gap=(lead(AdmDate)-AdmDate),isFit=Gap<365) %>%
  summarise(Count=sum(isFit,na.rm = T)) %>% 
  select(歸戶代號,診斷類別1,Count) %>%
  filter(歸戶代號=="43CCF41959798888F18EAED638A141F37A2B15C8") %>%
  head() %>% knitr::kable()

• 使用疾病分類統計檔DiagSum
• 診斷類別1~6欄位中，出現174開頭診斷碼在60天內大於1次
• 符合條件的患者共有幾人？

• ID
• 時間
• 診斷碼或其他篩選條件
• 出生年月日（可計算診斷年齡）

• dplyr套件是你的好朋友
• 資料量大（txt檔超過500MB）改用data.table套件，加速處理
  • data.table 教學
• 搭配tidyr套件使用
  • 長寬表轉換

• icd 9 vs. icd 10
• icd轉型
• icd分群
• emr套件

174.8 vs. 1748 ?

MALIGNANT NEOPLASM OF OTHER SPECIFIED SITES OF FEMALE BREAST

DiagSum %>% 
  filter(診斷類別1=="1748") %>% 
  select(歸戶代號,住院日期,診斷類別1) %>%
  head() %>% knitr::kable()

使用icd套件，icd 9和icd 10分開處理

• 將icd 9 和 10分開
  • 2016-01-01
  • 跨年度資料要特別檢查
• 分別使用icd_short_to_decimal()轉換

DiagSumICD9<-DiagSum %>% 
  filter(出院日期<"20160101") 
DiagSumICD10<-DiagSum %>% 
  filter(出院日期>="20160101") 

使用icd套件，icd 9和icd 10分開處理

• 將icd 9 和 10分開
  • 2016-01-01
  • 跨年度資料要特別檢查
• 分別使用icd_short_to_decimal()轉換

library(icd)
icd_short_to_decimal.icd9(DiagSumICD9$診斷類別1) %>% head()

[1] "514"    "V58.1"  "174.2"  "174.8"  "384.2"  "998.59"
attr(,"icd_short_diag")
[1] FALSE
attr(,"class")
[1] "icd9"      "character"

icd_short_to_decimal.icd10(DiagSumICD10$診斷類別1) %>% head()

[1] "C18.2"   "Z51.11"  "C79.32"  "C50.911" "C50.912" "Z51.11" 
attr(,"icd_short_diag")
[1] FALSE
attr(,"class")
[1] "icd10"     "character"

• 不可能每個診斷碼都視為不同病 –> 須整合 -使用icd套件，將icd 9和icd 10分群
  • Elixhauser

DiagSumICD10Small<-
  DiagSumICD10 %>% select(歸戶代號,診斷類別1)
library(icd)
icd10_comorbid_elix(DiagSumICD10Small) %>% 
  head() %>% knitr::kable()

• 不可能每個診斷碼都視為不同病 –> 須整合 -使用emr套件，將icd 9和icd 10分群
  • CCS
    • icd 9
    • icd 10
    • groupIcdBasedOnCCS(資料名稱,ID欄位名稱,診斷碼欄位名稱,日期欄位名稱,ICD10轉換日)

## bug 修復中
library(emr)
groupIcdBasedOnCCS(DiagSum,歸戶代號,
                    診斷類別1,AdmDate,"2016-01-01")

• AdhereR
  • Estimating the adherence to medications
  • 教學

library(AdhereR)
ExamplePats <- 
  med.events[med.events$PATIENT_ID %in% c(37, 76), ]
knitr::kable(ExamplePats)

CMA1~8

cma1 <- CMA1(data=ExamplePats,
             ID.colname="PATIENT_ID",
             event.date.colname="DATE",
             event.duration.colname="DURATION",
             followup.window.start=0, 
             observation.window.start=182, 
             observation.window.duration=365,
             date.format="%m/%d/%Y");
cma1$CMA

  PATIENT_ID       CMA
1         37 0.4035874
2         76 1.4000000

• 許多醫療紀錄在一段時間內有有多筆資料
  • 量多次血壓
  • 測多次血糖
  • 等等等…
• 處理方式
  • 不處理
  • 取平均、最大、最小
  • 取第一點、最後一點
  • 取變化量

先載入範例資料

library(readr)
LabSum <- read_csv("LabS.csv")
knitr::kable(LabSum[1:10,c(3,9,10,12)])

• 使用dplyr，搭配group_by()、summarise()。
• 別忘了將檢驗結果轉成數值型態！

LabSum %>% group_by(歸戶代號,檢驗名稱縮寫,檢體) %>%
  mutate(Result=as.numeric(檢驗結果值)) %>%
  summarise(COUNT=n(),
            MEAN=mean(Result),
            MAX=max(Result),
            MIN=min(Result),
            SD=sd(Result)) %>%
  knitr::kable()